Служба распознавания голоса MCP

Эта служба обеспечивает возможности распознавания голоса и извлечения текста как в режимах stdio, так и в режимах MCP.

Функции

Распознавание голоса из файла
Распознавание голоса из данных, закодированных в base64
Извлечение текста
Поддержка режимов stdio и MCP
Структурированные результаты распознавания голоса

Структура проекта

voice_service.py — реализация основного сервиса
stdio_server.py - точка входа в режим stdio
mcp_server.py — точка входа в режим MCP
build.py — скрипт сборки исполняемых файлов
build_exec.sh — скрипт выполнения сборки
test_*.sh — тестовые скрипты для различных функций

Установка

Клонируйте репозиторий:

git clone https://github.com/AIO-2030/mcp_voice_identify.git
cd mcp_voice_identify

Установите зависимости:

pip install -r requirements.txt

Настройте переменные среды в .env :

API_URL=your_api_url
API_KEY=your_api_key

Использование

Режим stdio

Запустите службу:

python stdio_server.py

Отправляйте запросы JSON-RPC через stdin:

{
    "jsonrpc": "2.0",
    "method": "help",
    "params": {},
    "id": 1
}

Или используйте исполняемый файл:

./dist/voice_stdio

Режим МКП

Запустите службу:

python mcp_server.py

Или используйте исполняемый файл:

./dist/voice_mcp

Результаты распознавания голоса

Сервис предоставляет структурированные результаты распознавания голоса. Вот пример формата ответа:

Исходный ответ API

{
    "jsonrpc": "2.0",
    "result": {
        "message": "input processed successfully",
        "results": "test test test",
        "label_result": "<|en|><|EMO_UNKNOWN|><|Speech|><|woitn|>test test test"
    },
    "id": 1
}

Реструктурированный ответ

{
    "jsonrpc": "2.0",
    "result": {
        "message": "input processed successfully",
        "results": "test test test",
        "label_result": {
            "lan": "en",
            "emo": "unknown",
            "type": "speech",
            "speaker": "woitn",
            "text": "test test test"
        }
    },
    "id": 1
}

Поля результатов метки

Поле label_result содержит следующую структурированную информацию:

Поле	Описание	Пример значения
лан	Код языка	"ru"
эмо	Эмоциональное состояние	"неизвестный"
тип	Тип аудио	"речь"
спикер	Идентификатор говорящего	"woitn"
текст	Распознанное текстовое содержимое	"тест тест тест"

Специальные этикетки

Служба распознает и обрабатывает следующие специальные метки в исходном ответе:

<|en|> - Код языка
<|EMO_UNKNOWN|> - Состояние эмоций
<|Speech|> - Тип аудио
<|woitn|> - Идентификатор говорящего

Создание исполняемых файлов

Сделайте скрипт сборки исполняемым:

chmod +x build_exec.sh

Собрать исполняемый файл в режиме stdio:

./build_exec.sh

Собрать исполняемый файл режима MCP:

./build_exec.sh mcp

Исполняемые файлы будут созданы по адресу:

режим stdio: dist/voice_stdio
Режим MCP: dist/voice_mcp

Тестирование

Запустите тестовые скрипты:

chmod +x test_*.sh
./test_help.sh
./test_voice_file.sh
./test_voice_base64.sh

Лицензия

Данный проект лицензирован по лицензии MIT — подробности см. в файле LICENSE.

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

Обеспечивает возможности распознавания голоса и извлечения текста с поддержкой режимов stdio и MCP, обработки аудиофайлов или данных в кодировке base64 и возврата структурированных результатов с информацией о языке, эмоциях и говорящем.

Related MCP Servers

Speech MCP
Kvadratni
-
security
A
license
-
quality
A Goose MCP extension providing voice interaction with modern audio visualization, allowing users to communicate with Goose through speech rather than text.
Last updated -
36
Python
MIT License
mcp-audio-analysis
hugohow
A
security
A
license
A
quality
MCP to analyse local audio file.
Last updated -
8
10
Python
MIT License
TTS-MCP
nakamurau1
-
security
A
license
-
quality
A Model Context Protocol server that integrates high-quality text-to-speech capabilities with Claude Desktop and other MCP-compatible clients, supporting multiple voice options and audio formats.
Last updated -
TypeScript
MIT License
Audio Transcriber MCP Server
Ichigo3766
A
security
A
license
A
quality
A MCP server that enables transcription of audio files using OpenAI's Speech-to-Text API, with support for multiple languages and file saving options.
Last updated -
1
2
JavaScript
MIT License

View all related MCP servers

Voice Recognition MCP Service